类脑智能
文章平均质量分 94
小刘鸭19
这个作者很懒,什么都没留下…
展开
-
Fast-classifying, high-accuracy spiking deep networks through weight and threshold balancing
Title:Fast-classifying, high-accuracy spiking deep networks through weight and threshold balancingAuthor: Peter U. Diehl, Daniel Neil, Jonathan Binas, Matthew Cook, Shih-Chii Liu, and Michael PfeifferInstitution: Institute of Neuroinformatics, University原创 2021-11-30 15:55:53 · 439 阅读 · 0 评论 -
【翻译】HATS: Histograms of Averaged Time Surfaces for Robust Event-based Object Classification
文章目录OverviewBackgroundContributionsMethodsTime SurfacesLocal Memory Time SurfacesHistograms of Averaged Time SurfacesArchitecture with Locally Shared Memory unitsDataReference作者:Amos Sironi1∗, Manuele Brambilla1, Nicolas Bourdis1, Xavier Lagorce1, Ryad B原创 2021-11-27 14:52:31 · 749 阅读 · 0 评论 -
End-to-End Learning of Representations for Asynchronous Event-Based Data (2)
文章目录1. 算法1. QuantizationInput:Output:Function:Model:2. Crop and resize to resolutionInput:Output:Function:Model:3. ClassifierInput:Output:Function:Model:2. 知识点回顾1. 点云2. 体素3. 代码1. 代码运行1.1 Requirements1.2 Dependencies1.3 Training2. 代码和论文有出入的地方参考文献作者:Daniel原创 2021-11-27 14:48:58 · 1176 阅读 · 5 评论 -
【翻译】End-to-End Learning of Representations for Asynchronous Event-Based Data (1)
Abstract事件相机是视觉传感器,记录每像素亮度变化的异步流,称为事件。与基于帧的相机相比,它们在计算机视觉方面具有吸引人的优势,包括高时间分辨率、高动态范围和无运动模糊。由于事件信号的时空分布稀疏、不均匀,模式识别算法通常将事件聚合成基于网格的表示形式,然后通过标准的视觉管道(如卷积神经网络(CNN))进行处理。在本文中,我们将介绍一个通用框架,通过一系列可微操作将事件流转换为基于网格的表示。我们的框架有两个主要的优点:(i)允许以端到端方式学习输入事件表示和任务专用网络,(ii)列出一个分类,将文原创 2021-11-27 14:29:48 · 1245 阅读 · 0 评论 -
【翻译】DET: A High-resolution DVS Dataset for Lane Extraction
Title:DET: A High-resolution DVS Dataset for Lane Extraction作者:Wensheng Cheng, Hao Luo, Wen Yang, Lei Yu, Shoushun Chen, and Wei Li来源:2019 CVPR关键词:DVS摘要:车道提取是自动驾驶的一项基本而必要的工作。尽管在过去几年里,深度学习模型在车道提取方面取得了重大进展,但它们都是针对基于frame的摄像机生成的普通RGB图像,这限制了它们在自然环境中的性能。为原创 2021-11-27 14:28:09 · 721 阅读 · 0 评论 -
ESIM事件相机模拟器(Event Based Camera)
1. 传统相机 VS 事件相机传统相机,通常是使用由二维像素阵列构成的传感器,利用光电传感器的不同光敏感元件捕获的光强度值的像素数据表示图像帧,每秒的帧数(fps)或者说帧率表示图形处理器处理场时每秒钟能够更新的次数,高的帧率可以得到更流畅、更逼真的图像。但固定帧速率的成像和信息传输与观察到的场景的动态无关,导致如下问题:首先,重要信息可能丢失,从而导致时间分辨率降低,因为两个时间步之间也可能会有事件产生(高帧率也存在一样的问题)。其次,所有像素都会进行数据传输,导致不可避免的高冗余,通常情况下变化原创 2021-11-27 14:23:22 · 3718 阅读 · 0 评论 -
【翻译】天机芯Nature_Towards artificial general intelligence with hybrid Tianjic chip architecture
JingPei1,2,13,LeiDeng1,13,SenSong3,4,13Jing Pei^{1,2,13}, Lei Deng^{1,13}, Sen Song^{3,4,13}JingPei1,2,13,LeiDeng1,13,SenSong3,4,13, MingguoZhao5,13,YouhuiZhang6,13,ShuangWu1,2,13Mingguo Zhao^{5,13}, Youhui Zhang^{6,13}, Shuang Wu^{1,2,13}MingguoZhao5,13,Y原创 2021-11-27 13:08:32 · 1835 阅读 · 1 评论